基于在线强化学习的风电系统自适应负荷频率控制

• 作者: 孙元章 廖思阳 彭刘阳 徐箭 杨丽
• 来源期刊: 电力系统自动化
• 关键词: 负荷频率控制 低秩自编码器 非线性动态系统稀疏辨识 模型预测控制 在线强化学习
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 学术研究
• 页码范围: 74-83
• 页数: 10页
• 字数: 10742字
• 语种: 中文
• DOI: 10.7500/AEPS20190706006

摘要

大规模风电接入给系统带来新的不确定性,影响系统频率响应特性,从数据驱动的角度出发,提出了一种基于自适应动态模型的在线强化学习方法,用于系统的负荷频率控制.建立低秩自编码器特征提取网络,从所量测的低维数据中发现隐藏特征;基于特征网络,建立非线性动态系统稀疏辨识学习模型,感知系统动态模型的潜在物理状态,提升模型在线学习效率;通过结合模型预测控制,进行实时决策控制.所提出方法能够有效解决传统模型预测控制对系统全局模型准确性的依赖问题,加强控制器对系统动态模型的自适应性,且能有效跟踪风电输出功率的随机波动.最后,以接入四型风机的负荷频率控制模型为例,验证所提方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙元章	武汉大学电气与自动化学院	74	2604	26.0	50.0
2	徐箭	武汉大学电气与自动化学院	75	941	17.0	28.0
3	杨丽	武汉大学电气与自动化学院	23	109	7.0	10.0
4	廖思阳	武汉大学电气与自动化学院	17	59	4.0	7.0
5	彭刘阳	武汉大学电气与自动化学院	3	1	1.0	1.0